Mildly Conservative Regularized Evaluation for Offline Reinforcement Learning

作者
Haohui Chen,Zhiyong Chen
出处
期刊:Cornell University - arXiv [Cornell University]
标识
DOI:10.48550/arxiv.2508.05960
摘要

Offline reinforcement learning (RL) seeks to learn optimal policies from static datasets without further environment interaction. A key challenge is the distribution shift between the learned and behavior policies, leading to out-of-distribution (OOD) actions and overestimation. To prevent gross overestimation, the value function must remain conservative; however, excessive conservatism may hinder performance improvement. To address this, we propose the mildly conservative regularized evaluation (MCRE) framework, which balances conservatism and performance by combining temporal difference (TD) error with a behavior cloning term in the Bellman backup. Building on this, we develop the mildly conservative regularized Q-learning (MCRQ) algorithm, which integrates MCRE into an off-policy actor-critic framework. Experiments show that MCRQ outperforms strong baselines and state-of-the-art offline RL algorithms on benchmark datasets.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
科研女郎完成签到 ,获得积分10
1秒前
神秘面筋男完成签到,获得积分10
1秒前
Aletheia完成签到 ,获得积分10
2秒前
摸鱼大王在摸鱼完成签到 ,获得积分10
2秒前
Loooong完成签到,获得积分0
4秒前
会飞的螃蟹完成签到,获得积分10
4秒前
炙热灵枫完成签到,获得积分10
4秒前
5秒前
科研通AI6.2的应助被好好好采纳,获得10
8秒前
困屁鱼完成签到 ,获得积分10
8秒前
木木完成签到,获得积分20
9秒前
Xiaoyu完成签到,获得积分10
9秒前
HPP123完成签到 ,获得积分10
10秒前
yto完成签到 ,获得积分10
11秒前
唠叨的夏烟完成签到 ,获得积分10
11秒前
哈哈哈哈完成签到 ,获得积分10
13秒前
14秒前
15秒前
淡然的冰淇淋完成签到 ,获得积分10
16秒前
18秒前
研友_ngX12Z完成签到 ,获得积分10
19秒前
小肚黄完成签到 ,获得积分10
19秒前
陈醉发布了新的文献求助10
19秒前
Yang发布了新的文献求助10
21秒前
巴黎没有摩天轮完成签到,获得积分10
21秒前
KINGAZX完成签到 ,获得积分10
21秒前
cugwzr发布了新的文献求助30
22秒前
魔幻幻桃完成签到 ,获得积分10
23秒前
陈淋完成签到,获得积分10
23秒前
大可完成签到 ,获得积分10
23秒前
man完成签到 ,获得积分10
24秒前
2Y完成签到,获得积分10
24秒前
希音完成签到 ,获得积分10
25秒前
香蕉觅云的应助被taowu采纳,获得10
27秒前
阿莳完成签到 ,获得积分10
28秒前
31秒前
cocofan完成签到 ,获得积分0
31秒前
惜缘完成签到 ,获得积分10
31秒前
清浅溪完成签到 ,获得积分10
32秒前
有魅力老太完成签到 ,获得积分10
34秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Encyclopedia of Modern Artificial Intelligence 1000
Особенности технологий и методов информационно-психологических войн СССР с Великобританией и США в период 1939-1953 гг 1000
Das Matthäusevangelium: Kapitel 1:1–17 1000
IRTSD: Open-Source Data and Toolset for Electromagnetic Transient Analysis of Disturbances and IBR Control Malfunctions in Transmission Systems 1000
Entre Praga y Madrid : los contactos checoslovaco-españoles (1948-1977) 600
A REVIEW OF THE V-22 DYNAMICS VALIDATION PROGRAM 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8129899
求助须知:如何正确求助?哪些是违规求助? 9532241
关于积分的说明 21593664
捐赠科研通 7711670
什么是DOI,文献DOI怎么找? 3418044
关于科研通互助平台的介绍 2543729
邀请新用户注册赠送积分活动 2459226